ZPRACOVÁNÍ ČASOVÝCH A FREKVENČNÍCH VLASTNOSTÍ ZVUKU VE SLUCHOVÉM SYSTÉMU

Transkript

1 ZPRACOVÁNÍ ČASOVÝCH A FREKVENČNÍCH VLASTNOSTÍ ZVUKU VE SLUCHOVÉM SYSTÉMU HABILITAČNÍ PRÁCE v oboru Lékařská biofyzika Ing. Daniel Šuta, Ph.D. Praha, 2016

2 Název habilitační práce: Autor: Pracoviště autora: Zpracování časových a frekvenčních vlastností zvuku ve sluchovém systému Ing. Daniel Šuta, Ph.D. Ústav lékařské biofyziky a lékařské informatiky 3. lékařská fakulta Univerzity Karlovy v Praze Ruská 87, Praha 10 Laboratoř neurofyziologie sluchu Ústav experimentální medicíny Akademie věd České republiky Vídeňská 1083, Praha 4 Oddělení kognitivních systémů a neurověd Český institut informatiky, robotiky a kybernetiky České vysoké učení technické v Praze Jugoslávských partyzánů 1580/3, Praha 6 Habilitační obor: Forma habilitační práce: Lékařská biofyzika Soubor publikovaných prací s komentářem 2

3 Poděkování Rád bych na tomto místě poděkoval panu prof. MUDr. Josefu Sykovi, DrSc. a panu prof. MUDr. Jozefu Rosinovi, Ph.D. za neocenitelnou pomoc a podporu při vědecké práci. Moje poděkování patří též všem spolupracovníkům a v neposlední řadě musím poděkovat mojí rodině za její podporu a trpělivost. 3

4 Obsah Použité zkratky Úvod Časové a frekvenční vlastnosti zvuku Zvířecí modely ve výzkumu sluchového systému Hemisférická lateralizace sluchových funkcí u potkana Kódování komunikačních zvuků ve sluchové dráze morčete Vokalizační zvuky u morčete Reprezentace vokalizační zvuků v podkorových jádrech (CI, CGM) a ve sluchové kůře (AC) u morčete Věkem podmíněné změny ve zpracování časových atributů zvuku u potkana Závěr Literatura Seznam přiložených publikací

5 Použité zkratky AC sluchová kůra AM amplitudová modulace CF charakteristická frekvence CI colliculus inferior CGM corpus geniculatum mediale F344 kmen Fischer 344 FDL nejmenší rozlišitelný rozdíl pro frekvenci (frequency difference limen) FFT algoritmus pro výpočet Fourierovy transformace (fast Fourier transform) FM frekvenční modulace fmri funkční magnetická rezonance FRA intenzitně frekvenční mapa odpovědí neuronu (frequency response area) GDDL nejmenší rozdíl v trvání pauzy, který je subjekt schopen rozlišit (gap detection difference limen) GDT nejkratší detekovatelná pauza v signálu (gap detection threshold) Hz hertz, jednotka frekvence ITD časový rozdíl mezi příchodem sluchu na levé a pravé ucho (interaural time difference) MLR střednělatentní vyvolaná odpovědi MTF časová modulační přenosová funkce (temporal modulation transfer function) PET pozitronová emisní tomografie PSTH časový histogram neuronové aktivity vzhledem k podnětu (peri-stimulus time histogram) SPL hladina akustického tlaku (sound pressure level) TC frekvenční prahová křivka (tunning curve) 5

6 1. Úvod Sluchový systém je důležitým zdrojem informací z okolí, přičemž jeho role je naprosto nezastupitelná v případě komunikace mezi jedinci a je také velmi důležitá např. pro orientaci v prostoru, kdy je sluchový systém sice méně přesný než zrak, ale přesto je velmi přínosný vzhledem k jeho účinnosti ve všech směrech a také k možnosti lokalizace objektů mimo vizuální kontakt (např. skrytých za překážkou). Přirozené zvukové signály v našem okolí, včetně lidské řeči a komunikačních signálů zvířat, jsou typicky komplexní akustické signály, což znamená, že obsahují více frekvencí a jejich vlastnosti jako je frekvenční složení (spektrum) či intenzita se v čase mění. Schopnost subjektu identifikovat a lokalizovat zvukové podněty závisí právě na analýze jejich intenzitních, frekvenčních (spektrálních) a časových vlastností, ke které dochází ve sluchovém systému. Výzkum zpracování informace ve sluchovém systému je výrazně interdisciplinární obor, který zasahuje jak do oblasti lékařských a přírodních věd (jako součást lékařské biofyziky, neurověd či otolaryngologie a v poslední době i molekulární biologie a genetiky) tak do oboru technických věd jako součást akustiky, biomedicínského inženýrství či kybernetiky. Předložená habilitační práce je věnována otázkám kódování frekvenčních (spektrálních) a časových vlastností komplexních zvuků ve sluchovém systému a možnostem jejich studia u zvířecích modelů. V jednotlivých částech této práci jsou diskutovány tři aspekty zpracování časových a frekvenčních vlastností zvuku: o Hemisférická lateralizace sluchových funkcí při zpracování komplexních zvuků o Kódování komunikačních zvuků ve sluchové dráze o Věkem podmíněné změny ve zpracování časových atributů zvuku 6

7 1.1. Časové a frekvenční vlastnosti zvuku Sluch, který je jedním z pěti smyslů, je založený na percepci akustických (zvukových) podnětů. Z fyzikálního hlediska je zvuk mechanické vlnění vyvolané nějakým vnějším činitelem, které se šíří ve formě podélné vlny a vyznačuje se střídavým zahušťováním a zřeďováním molekul (tj. kolísáním akustického tlaku) v prostředí. Podstatou sluchu je pak transformace mechanických zvukových vln na signály nervového sytému (tj. akční potenciály) a jejich další zpracování, což je společné všem vyšším živočichům, kteří jsou vybaveni speciálním smyslovým orgánem - uchem. Sluchový vjem je schopno vyvolat jen mechanické vlnění v určitém frekvenčním rozsahu a o dostatečné intenzitě. Tyto parametry se významně liší mezi jednotlivými živočišnými druhy a i v rámci jednoho druhu jsou do určité míry individuální. Pro lidský sluchový systém platí, že zdravý mladý člověk je schopen vnímat sluchem zvuky ve frekvenčním intervalu přibližně 20 Hz až 20 khz, přičemž nejvyšší citlivost je v oblasti 2-5 khz. Hierarchicky organizovaná struktura sluchového systému (obr. 1) se vyvinula jako velmi efektivní nástroj pro zpracování přirozených zvuků (Theunissen & Elie, 2014). Jako přirozené zvuky bývají chápány zvuky v prostředí, které nejsou generovány lidmi vyrobenými stroji, patří sem tedy např. zvuk kroků, větru, ohně či deště, vokalizace zvířat i lidská řeč, či další zvuky generované při komunikaci zvířat (např. u cvrčka, cikád či chřestýše). Jak již bylo zmíněno v úvodu, jsou přirozené zvuky frekvenčně a časově komplexní signály, což znamená, že obsahují více frekvencí a jejich vlastnosti jako je frekvenční složení (spektrum) či intenzita se typicky v čase mění. Fyzikálním nosičem informace je tak mechanické vlnění, ale vlastní informace je získávána sluchovým systémem zejména z časových a frekvenčních vlastností zvuku. Jako časové vlastnosti jsou označovány ty vlastnosti, které jsou patrné přímo ze signálu zobrazeného v časové oblasti tj. obvykle s časem na ose X. Mají často jednoduchou fyzikální interpretaci jako energie, amplituda apod. a patří sem např. modulační obálka zvuku (obr. 3) či rychlé změny ve struktuře časového průběhu (fine time structure, Smith et al., 2002). Situací, kde se uplatňují tyto faktory může být například porozumění řeči (Shannon et al., 1995) či lokalizace nízkofrekvenčních zvuků pomocí interaurálního časového rozdílu (Joris & Yin, 2007). 7

8 AC AC Obrázek 1. Schéma aferentních části centrální sluchové dráhy. AC sluchová kůra, cc corpus callosum, ra radiatio acustica, NRT nucleus reticularis thalami, CGM corpus geniculatum mediale, CGMD dorzální část CGM, CGMV ventrální část CGM, CGMM mediální část CGM, bci brachium colliculi inferioris, CI colliculus inferior, DCI dorzální kůra colliculus inferior, ECI externí kůra colliculus inferior, CCI centrální jádro colliculus inferior, JLL jádra laterálního lemnisku, ll laterální lemniskus, nlld dorzální jádro laterálního lemnisku, nllv ventrální jádro laterálního lemnisku, sad stria acustica dorsalis, OS oliva superior, NC kochleární jádro, NCD dorzální kochleární jádro, NCV ventrální kochleární jádro, ct corpus trapezoideum, NPS nucleus paraolivaris superior, NMCT nucleus medialis corporis trapezoidei, NVCT nucleus ventralis corporis trapezoidei, nosm nucleus olivaris superior medialis, nosl nucleus olivaris superior lateralis, n nízké frekvence, v vysoké frekvence. Tlusté čáry silné spoje, čárkované čáry slabé spoje. Upraveno z Malmierca a Merchan (2004). 8

9 Schopnost zpracování časových vlastností zvuku bývá sledována pomocí několika faktorů, které lze obecné použít jak v případě elektrofyziologických měření (i na úrovni jednotlivých neuronů) tak pro psychofyzikální metody. Nejběžnějším z nich je časové rozlišení, což je nejkratší časový interval, který je možno rozlišit u zvukových signálů. Typicky se sleduje pomocí metody detekce pauzy v kontinuálním signálu např. šumu (obr. 8E, 14, 15, gap detection) nebo pomocí amplitudové modulace (modulation transfer function, MTF). U člověka je časové rozlišení asi 2-3 ms (obr. 14). Další možnosti představuje analýza časového maskování (situace, kdy slabší zvukový podnět není vnímán subjektem v případě, když byl prezentován silnější podnět krátce před nebo i po slabším stimulu) nebo časové integrace, která odráží sumaci neuronální aktivity při delším trvání zvuku (Shinn, 2003). Lze ji například demonstrovat snižováním sluchových prahů v případě prodlužování prezentovaného zvuku na ms (time-intensity trade off). A člověk 2 khz 15 mm 25 mm 18 mm 20 mm 1 khz 250 Hz 30 mm 500Hz 4 khz 10 mm 16 khz 5 mm 8 khz B potkan (Sprague-Dawley) C morče Obrázek 2. Tonotopické uspořádání hlemýždě vnitřního ucha u člověka (A, upraveno podle Otte et al., 1978), potkana (B, upraveno podle Viberg & Canlon, 2004) a morčete (C, upraveno podle Viberg & Canlon, 2004). 9

10 srovnání frekvenčního rozlišování pro různé druhy pískomil potkan (pigmentovaný) potkan (albino) FDL [Hz] morče kočka pes opice frekvence [Hz] člověk Obrázek 3. Srovnání frekvenčního rozlišování u člověka a několika zvířecích modelů. Na ose Y vynesena hodnota FDL, tj. nejnižšího rozdílu ve frekvenci, kterou je schopen subjekt detekovat vzhledem k referenční frekvenci zobrazené na ose X. Upraveno podle Syka et al. (1996). Základem pro analýzu frekvenčních vlastností je převod signálu do frekvenční oblasti označovaný jako Fourierova transformace. Frekvenční analýza zvuku začíná hned ve vnitřním uchu: nízké frekvence rozechvívají membránu v apikální části hlemýždě, vysoké frekvence v bazální části blízko oválného okénka. Výsledkem je spektrální rozklad zvuku na bazilární membráně a prostorové rozlišení (place code) jednotlivých frekvencí označované jako tonotopie (obr. 2), která je pak zachována v jednotlivých jádrech centrální sluchové dráhy (obr. 1) při postupném zpracování sluchové informace. CF Obrázek 4 Ukázka frekvenčně-intenzitní mapy (frequency-response area, FRA) odpovědí na čisté tóny neuronu v colliculus inferior (CI) u potkana. Plocha každého černého kolečka odpovídá velikosti odpovědi (počtu akčních potenciálů) při stimulaci tónem o dané frekvenci (osa X) a intenzitě (osa Y). Červeně je vyznačena prahová křivka (tunning curve, TC) tohoto neuronu. Frekvence, pro kterou je práh nejnižší, je označována jako chrakteristická frekvence (CF). 10

11 Atributy jako je výška a barva zvuku, formanty, melodie apod. jsou spojeny právě s frekvenční (spektrální) analýzou zvukových podnětů. Schopnosti sluchového systému při zpracování frekvenčních vlastností zvuku bývají charakterizovány frekvenční selektivitou vyjádřenou jako šíře sluchového filtru (critical band, auditory filter) nebo nejmenším rozlišitelným frekvenčním rozdílem mezi dvěma zvuky (obr. 3, frequency difference limen, FDL). Na úrovni neuronů je základní charakteristikou frekvenčně-intenzitní mapa odpovědí na čisté tóny (obr. 4, frequency response area, FRA) a z ní odvozená prahová křivka (tunning curve, TC). Prahová křivka také určuje práh neuronu (tj. minimální intenzitu tónu schopnou vyvolat odpověď neuronu) a charakteristickou frekvenci (CF, frekvence tónu schopného vyvolat odpověď neuronu při minimální intenzitě). Šířka prahové křivky může být charakterizována v oktávách nebo pomocí Q-faktorů, kdy např. faktor Q40 určuje frekvenční šířku 40 db nad prahem neuronu. Typickým způsobem pro vizualizaci komplexních zvuků je současné zobrazení spektrogramu (který ukazuje frekvenční spektrum zvuku a jeho změny v čase) společně se zobrazením časového průběhu signálu (obr. 5, 9, 10) frekvence [Hz] čas [Hz] Obrázek 5. Ukázka časového průběhu (dole) a spektrogramu (nahoře) pro vzorek řečového signálu zapomněli na muziku. Barevná škála ve spektrogramu vyjadřuje intenzitu příslušné frekvence v daném čase. 11

12 Význam časových a frekvenčních vlastností zvuku pro vytváření sluchovém vjemu může být ilustrován na příkladu vhodných manipulací se zvukem, které selektivně ovlivňují jen určité vlastnosti zvuku, a tím jen určitý aspekt sluchového vjemu. Např. zrychleným přehrávání mluvené řeči zůstane zachována srozumitelnost obsahu řeči, avšak frekvenčně dojde k posunu směrem k vyšším frekvencím a tím se významně změní barva hlasu řečníka. Opačného efektu lze docílit časově invertovaným přehráním řeči, kdy obsah bude naprosto nesrozumitelný, zatímco frekvenční spektrum zůstává zachováno a tím i barva hlasu. Současně platí, že pro různé aspekty sluchového vjemu je důležitá i různá přesnost ve zvukovém signálu, např. změna polohy hlavy vůči zdroji způsobená třeba pootočením hlavy ovlivní časové zpoždění zvuku mezi pravým a levým uchem u člověka řádově o desetiny milisekund (tedy o významně kratší interval než je trvání jednoho akčního potenciálu), což je však již dostatečný časový posun pro určení směru zdroje zvuku, zatímco porozumění obsahu řeči nebude vůbec ovlivněno neboť je velmi robustní a takováto časová změna jej neovlivní. Obrázek 6. Časový průběh amplitudově modulovaného tónu (nahoře) s vyznačením obálky zvuku (červeně) a jeho frekvenční spektrum (dole). f c frekvence nosné; f m modulační frekvence. Přestože jsou frekvenční a časové vlastnosti zvuku často diskutovány odděleně, nejsou úplně nezávislé. Toto lze ilustrovat na jednoduchém příkladu amplitudově modulovaného (AM) tónu (obr. 6). Tento signál byl vytvořen jako tón o frekvencí fc, jehož amplituda se v čase periodicky mění s frekvencí fm. Frekvenční spektrum takového signálu 12

13 pak bude obsahovat nejen nosnou frekvenci fc, ale i další dvě frekvence fc-fm a fc+fm s nižší amplitudou. To znamená, že takový signál lze získat syntézou tří tónů s příslušnými frekvencemi a amplitudami. Pro odlišení amplitudově modulovaného tónu od konstantního čistého tónu tak může sluchový systém uplatnit dvě vodítka časové, tj. zesilování a zeslabování intenzity v čase, a frekvenční, tj. jiná barva zvuku. Demonstrací lze snadno ukázat, že pro pomalou modulaci (tj. nízké frekvence fm) se uplatňuje časové rozlišení vnímáme čistý tón o kolísající intenzitě, pro rychlou modulaci (tj. vysoké hodnoty fm) se uplatňuje frekvenční rozlišení zvuk nevnímáme jako čistý tón a intenzita se zdá být konstantní. Pochopení kódování informace ve sluchovém systému má i své přímé uplatnění v oblasti klinické medicíny a techniky. Prvním takovým příkladem je řešení velmi závažných případů oboustranné senzorineurální poruchy sluchu pomocí kochleárních implantátů. Pochopení reprezentace zvuku na úrovni vnitřního ucha a sluchového nervu konkrétné frekvenční analýza (place code) a kódování intenzity (rate code) společně s poznatky o vlastnostech elektrické stimulace kochley a plasticitě sluchového systému otevřelo cestu k vývoji a použití kochleárních implantátů, které se ukázaly být velmi úspěšnou technologií a jsou velkým přínosem pro významnou skupinu pacientů s nejzávažnějšími poruchami sluchu. Úspěšnost tohoto přístupu se projevuje nejen v rostoucím počtu příjemců kochleárních implantátů, ale i ve stále více běžné oboustranné implantaci či v pokusech o přenos tohoto přístupu do dalších podob jako jsou sluchové kmenové implantáty či retinální implantáty pro zrakově postižené pacienty (Argus II). Druhým příkladem úspěšného uplatnění poznatků o zpracování a vnímání zvukové informace je jejich aplikace v technických systémech. Zde lze jmenovat systémy pro automatické zpracování mluvené řeči nebo velmi rozšířené metody ztrátové komprese zvuku např. ve formě běžně používaných formátů jako je aac, wma či mp3, které využívají princip tzv. maskování. Tyto dva příklady jsou ilustrací toho, že výzkum zpracování informace ve sluchovém systému má výrazně interdisciplinární charakter, který zasahuje do oblasti lékařských a přírodních věd, ale současně je řešen i v oboru technických věd jako součást akustiky, biomedicínského inženýrství či kybernetiky. 13

14 1.2. Zvířecí modely ve výzkumu sluchového systému I ve výzkumu sluchu mají nezastupitelný význam zvířecí modely, které se uplatňují z podobných důvodů jako v dalších odvětvích neurověd či obecně medicíny. Pro výzkum sluchu jsou u zvířecích modelů kromě podobnosti se stavbou centrálního nervového systému člověka zohledňovány i další faktory - především frekvenční rozsah sluchu. Ale i takové faktory jako velikost hlavy zvířete či pohyblivost ušních boltců mohou být důležité vzhledem k fyzikálním aspektům zvuku, které se uplatňují v binaurálním slyšení a při lokalizaci zdroje zvuku. Obecně jsou i ve výzkumu sluchu za nejvhodnější model považováni primáti - jako zvířata v mnoha ohledech nejbližší člověku. Přestože výzkum sluchu na primátech jako je třeba kosman bělovousý (Callithrix jacchus; Wang, 2000; Zhou & Wang, 2010) či makak rhesus (Macaca mulatta; Kanwal & Rauschecker, 2007) je zdrojem mnoha významných poznatků zejména o zpracování komplexních zvuků, je používání primátů v experimentálním výzkumu problematické z etického, ale i z finančního hlediska. Místo primátů jsou tak často používanými zvířecími modely zejména hlodavci (Abbott, 2010) potkan či v poslední době stále běžnější myš, ale i další jako třeba morče či pískomil. Za zmínku stojí i dva zvířecí modely významné specificky ve výzkumu sluchu. Prvním specifickým modelem jsou netopýři, u nichž je přítomna schopnost emitovat a zpracovávat kromě komunikačních zvuků i echolokační zvuky sloužící k orientaci (Kanwal & Rauschecker, 2007). Druhým oblíbeným modelem jsou zpěvní ptáci (Bloomfield et al., 2011) a to vzhledem k jejich repertoáru komunikačních zvuků. V následujících třech kapitolách jsou diskutovány studie, které byly realizované na modelu potkana a morčete. Potkan (Rattus norvegicus) je velmi často používaný zvířecí model v celé oblasti neurověd a to pro akutní i chronické pokusy. Z hlediska sluchu je velmi důležitý jeho frekvenční rozsah, který je oproti lidskému sluchu posunutý do oblasti vyšších frekvencí, kdy např. v práci Heffner et al. (1994) autoři uvádějí na intenzitě 70 db SPL frekvenční rozsah 290 Hz 70 khz (obr. 2, 7). To znamená, že velká část frekvenčního rozsahu sluchu spadá do frekvenční oblasti ultrazvuku, a potkan proto není příliš vhodný model pro výzkumu sluchu v oblasti nízkých frekvencí, které se typicky uplatňují např. 14

15 v oblasti lokalizace zdroje zvuku pomocí interaurálního zpoždění (ITD, interaural time difference). frekvencní rozsah sluchu u vy braných živočišných druhu frekvence [khz] želva nádherná skokan holub myš potkan křeček králík morče pes kočka prase makak člověk frekvence [khz] Obrázek 7. Frekvenční rozsah vybraných živočišných druhů. Tenká čára označuje frekvenční rozsah se sluchovým prahem nepřevyšujícím 60 db SPL; tlustá čára vyznačuje nejcitlivější část se sluchovým prahem 10 db SPL či méně. Červené šipky ukazují diskutované zvířecí modely, modrá šipka ukazuje data pro člověka. Zpracováno podle Heffner & Heffner (2007). Nejběžnější kmeny potkana jako Wistar albino, Sprague-Dawley albino či Long-Evans jsou běžně používány i ve výzkumu sluchu. U potkana však existuje i řada inbredních kmenů, jejichž počet dnes významně převyšuje 50. Tyto inbrední kmeny mohou sloužit jako vhodný model pro specifický výzkum; např. inbrední kmen Fischer 344 (či F344) je používaný jako model rychlého stárnutí, a to i v oblasti sluchu (Syka, 2010). Pro studium vývoje sluchového systému je důležitá skutečnost, že se potkaní mláďata rodí s nedovyvinutým sluchem, kdy je zvukovod uzavřen epiteliální zátkou a první reakce na zvukové podněty se objevuje kolem 10. postnatálního dne, kdy se otevírá zvukovod. K 15

16 dozrávání sluchové funkce dochází mezi čtvrtým a šestým postnatálním týdnem (Geal-Dor et al., 1993; Rybalko et al., 2015). Dalšími výhodnými vlastnostmi potkana jsou výborné výsledky v behaviorálních testech s použitím jak operantního podmiňování tak měření úlekové reakce. Pro výzkum stárnutí je příhodná doba života potkana (2-3 roky), která umožňuje realizovat studie věkem podmíněných změn sluchu. Z hlediska komunikačních zvuků není potkan příliš oblíbeným modelem, vzhledem k tomu, že vokalizuje typicky v ultrazvukovém pásmu a má poměrně omezený repertoár komunikačních zvuků (Portfors, 2007). Ve frekvenční oblasti slyšitelného zvuku vokalizuje v případě akutního ohrožení či bolesti (Kao et al., 1997). Druhým modelem použitým v popisovaných studiích je morče (Cavia aperea), což je tradiční model v oblasti neurofyziologie sluchu. Jeho předností je struktura hlemýždě vnitřního ucha s výhodným frekvenčním rozsahem sluchu (obr. 2, 7), který v oblasti nízkých frekvencí zasahuje pod 50 Hz a blíží se tak lidskému sluchu, v oblasti vyšších frekvencí pak dosahuje až k 50 khz (Heffner et al., 1971). Na modelu morčete byly provedeny pionýrské práce Georga von Békésyho v oblasti studia mechanických vlastností kochley (Békésy, 1960) a i v současnosti zůstává morče důležitým experimentálním modelem např. pro výzkum možnosti regenerace vláskových buněk ve vnitřním uchu u savců (Rubel et al., 2013). Další výhodou je široký repertoár komunikačních zvuků, které se vyskytují v oblasti slyšitelného zvuku tyto jsou podrobně diskutovány v kapitole 3. Naopak nevýhodou je obtížná proveditelnost behaviorálních studií s použitím operantního podmiňování; behaviorální studie je však možné u morčat provádět metodou měření úlekové reakce (Berger et al., 2013). Vzhledem k tomu, že zvířecí modely obvykle slouží pro přímé srovnání se situací ve sluchovém systému člověka, je nutné brát vždy v úvahu možnou existenci rozdílů mezi lidským sluchovým systémem a sluchovým systémem použitých zvířecích modelů a zvážit zda případné rozdíly mohou ovlivnit studium dané problematiky, tedy např. v případě této práce výzkum kódování komplexních zvuků. Ačkoli obecné vlastnosti kochleárního aparátu a sluchové dráhy jsou u savců velmi podobné, lze nalézt kromě již zmiňovaného frekvenčního rozsahu sluchu (u morčete a potkana byl již zmíněn výše a pro některé další živočišné druhy je patrný z obr. 7) i další rozdíly a to i na úrovni hlemýždě. Rozdíly jsou přítomny např. v délce hlemýždě (Fay 1988, Greenwood 1990): kochlea morčete má 3 a půl závitu, zatímco potkan 2 16

17 a půl tedy podobně jako člověk (obr. 1). Další rozdíly lze nalézt v počtu vláskových buněk: u člověka je kolem vnitřních vláskových buněk (IHC) a vnějších vláskových buněk (OHC); potkan má asi 1000 IHC a 3500 OHC (Dannhof & Bruns, 1993). U člověka je frekvenční rozsah přibližně od 20 Hz do 15 khz reprezentován na 35 mm hlemýždě a třeba u kočky je frekvenční rozsah od přibližně 90 Hz do 60 khz na 25 mm hlemýždě. Tyto rozdíly tak vyvolávají otázku nakolik je frekvenční selektivita u zvířecích modelů shodná se situací u člověka a zda rozdíly ve výsledcích psychoakustických studií frekvenčního rozlišování mezi jednotlivými zvířecími druhy (obr. 3) mohou mít původ již na úrovni hlemýždě. Tento názor není v současně době ještě jednoznačně potvrzen či vyvrácen (viz diskuze v Young, 2008), ale tato možnost je brána v úvahu, a proto např. při použití zvířecích modelů pro studium kódování lidské řeči je vhodné zvážit možnost frekvenční úpravy řečových signálů (Kiefte & Kluender, 2001). 17

18 2. Hemisférická lateralizace sluchových funkcí u potkana Funkční asymetrie levé a pravé hemisféry označovaná jako lateralizace mozkových funkcí se projevuje i při zpracování zvukových podnětů. V případě sluchového systému je lateralizace tradičně spojována především se zpracováním řečových signálů u lidí, přičemž existuje mnoho důkazů o tom, že řeč je dominantně zpracovávána ve sluchových korových oblastech levé hemisféry. Již první klasické práce popisující pozorování pacientů s afázií (Brocka, 1865; Wernicke, 1874) ukázaly poškození porozumění a produkce řeči u pacientů s jednostranným poškozením mozkové kůry. Tyto studie ukázaly, že porucha porozumění řeči je spojena u naprosté většiny pacientů specificky s poškozením funkce (lézí) levé hemisféry, zatímco léze pravé hemisféry nezpůsobuje deficit ve zpracování řeči. V prvních studiích pocházely poznatky od subjektů s mozkovou lézí. Později byly vypracovány i další metodiky, které umožnily studovat lateralizaci za fyziologických podmínek tj. u subjektů bez poškození mozku. Zde je třeba uvést především použití monaurální stimulace (tj. stimulace pouze jednoho ucha) či dichotické stimulace (tj. odlišná stimulace každého ucha), která vychází z faktu křížení vzestupné sluchové dráhy, kdy stimulace z jednoho ucha stimuluje především kontralaterální sluchovou kůru (obr. 1). Také byla rozpracována metodika hodnocení lateralizace řeči a paměťových funkcí po vyřazení jedné hemisféry podáním anestetik (amobarbitalu sodného) do karotické tepny označovaná po svém autorovi jako Wada test (Loring et al., 1992). Další významný posun v možnostech studia problematiky lateralizace mozkových funkcí přinesl rozvoj účinných zobrazovacích metod, kdy metody jako je pozitronová emisní tomografie (PET) a funkční magnetická rezonance (fmri) výrazně rozšířily možnosti studia funkce sluchových struktur u lidí (Schirmer et al., 2012). Využití uvedených metod ukázalo, že odlišné role jednotlivých hemisfér lze sledovat i při zpracování zvukových stimulů mnohem jednodušších než je řeč. V souvislosti se studiemi ukazujícími, že pro porozumění řeči jsou využívány především časové atributy řečového signálu jako je obálka (Shannon et al., 1995), bylo ukázáno, že levá hemisféra je dominantní při zpracování časového vzoru i v případě jednodušších zvukových signálů jako tónů či šumu (Johnsrude et al., 2000; Zatorre & Belin, 2001; Schönwiesner et al. 2005). Ve studiích byla také sledována úloha pravé sluchové kůry a ukázalo se, že léze pravé primární sluchové kůry zhoršuje vnímání frekvenčních vlastností jako je melodie, výška (pitch) a barva (timbre) 18

19 zvuku (a to i v případě řeči či hudby, Safer & Leventhal 1977; Sidtis 1980; Riecker et al. 2000) nebo třeba chybějící základní frekvence u harmonických kombinací tónů tzv. missing fundamental (Zatorre, 1988) či směr frekvenční modulace (Johnsrude et al., 2000). Tyto výsledky vedly k obecnému závěru, že pravá hemisféra se u člověka více uplatňuje při zpracování frekvenčních aspektů zvukových stimulů (a tedy i hudby), zatímco levá hemisféra je dominantní při zpracování časových aspektů zvukových stimulů (a tedy i řeči). Protože řeč a hudba jsou velmi specifické zvukové signály, které nemají v živočišné říši plnohodnotný ekvivalent, otázky asymetrie mezi pravou a levou sluchovou kůrou u zvířat nebyla dlouho studována. A nebylo tedy dlouho známo, do jaké míry je specializace jednotlivých hemisfér popisovaná u lidí analogická se stavem v mozku ostatních savců. Vzhledem k analogii se zpracováním lidské řeči, byly první studie lateralizace u zvířat zaměřeny na zpracování komunikačních zvuků (vokalizací) a výsledek byl podobný jako u lidí tedy, že levá hemisféra je pro zpracování druhově specifických vokalizací důležitější než pravá. Studie u makaků (Heffner & Heffner, 1984) ukázala, že pro vnímání druhově specifických vokalizací je důležitá temporální kůra levé hemisféry. Ehret pak v práci z roku 1987 (Ehret, 1987) demonstroval lateralizaci sluchové funkce i u hlodavců, konkrétně u myší. S využitím jednostranné stimulace ukázal, že komunikační zvuky myších mláďat jsou u matky přednostně zpracovávány také v levé hemisféře. Podobné výsledky přineslo i sledování c-fos pozitivních buněk po stimulaci vokalizačními zvuky myších mláďat - tedy že větší aktivace byla nalezena v levé hemisféře (Geissler a Ehret, 1984). V rámci dvou přiložených studií (Rybalko et al. 2006, 2010) byla analyzována hemisférická lateralizace na modelu potkana, kdy byla s použitím operantního podmiňování sledována výkonnost zvířat v behaviorálních testech zaměřených na rozlišování frekvenčních a časových vlastností zvuku po trvalém vyřazení sluchové kůry (AC) lézí nebo jen dočasné inaktivaci sluchové kůry pomocí aplikace muscimolu (agonista GABAA receptorů) na povrch sluchové kůry. V první studii zaměřené na rozlišování frekvenčních parametrů zvuku (Rybalko et al., 2006) byla sledována schopnost potkanů rozlišovat mezi dvěma podněty, které se lišily směrem frekvenční modulace (FM): tón o rostoucí frekvenci vs. tón s klesající frekvencí (obr. 8A). Výsledky této studie ukázaly, že všichni potkani ať už s jednostrannou nebo bilaterální ablací AC byli schopni do určité míry rozlišovat mezi klesajícími a rostoucími tóny. Srovnání s kontrolními zvířaty ukázalo, že větší deficit ve schopnosti rozlišovat tóny s frekvenční 19

20 modulací byl pozorován u zvířat s lézí pravé AC a zvířat s oboustrannou lézí - úspěšnost těchto potkanů v testu byla výrazně horší než u potkanů s lézí levé AC. Další testy s použitím čistých tónů (obr. 8B) ukázaly, že korová léze nenarušila schopnost rozlišovat mezi dvěma čistými tóny o různé frekvenci u žádné ze skupin. Všechny skupiny spolehlivě rozlišovaly čisté tóny a výsledky navíc ukázaly, že k rozlišení mezi podněty lišícími se směrem frekvenční modulace mohou všechny skupiny využívat i rozdíl ve výšce tónu na začátku frekvenčně modulovaného podnětu. Proto byla zvířata testována pomocí upravených podnětů s rychlejší frekvenční modulací a podnětů se stejnou počáteční frekvencí, tedy stimulů kde je omezena možnost využít informaci o výšce tónu na počátku stimulů pro jejich rozlišení. V těchto dalších testech se ještě výrazněji projevil deficit ve výsledcích u zvířat s lézí pravé AC (tj. zvířat s jednostrannou lézí pravé AC a u zvířat s oboustrannou lézí) zatímco u skupiny se zachovanou pravou AC (tj. zvířat s jednostrannou lézí levé AC) byly výsledky na úrovni kontrolních zvířat. Výsledky testů lze shrnout do konstatování, že pro rozlišování směru frekvenční modulace je dominantní pravá sluchová kůra (obr. 8A). Naopak všichni potkani v naší studii byli schopni spolehlivě rozlišovat frekvenci tónů (obr. 8B). To, že všichni potkani - bez ohledu na typ léze - spolehlivě rozlišovali frekvenci tónů, ukazuje, že jednoduchý úkol prostého rozlišování výšky tónu není závažně ovlivněn lézí sluchové kůry a je tedy řešen na úrovni podkorových jader na rozdíl od náročnější analýzy směru frekvenční modulace. Tyto výsledky tak souhlasí s dalšími studiemi ukazujícími, že pravá hemisféra je důležitá pro úkoly spojené s frekvenčním zpracováním zvuku jako je vnímání výšky složených tónů či rozlišování barvy zvuku (Sidtis, 1980; Zatorre, 1988; Van Lancker, 1997; Johnsrude a kol., 2000). Podobný vzorec specializace pravé hemisféry byl popsán i u pískomila, kde Wetzel et al. (1998, 2008) prokázali, že pískomilové s lézí pravé AC měli narušenu schopnost rozlišovat směr frekvenční modulace, zatímco výsledky u pískomilů s lézí levé AC byly shodné s kontrolami. Druhý experiment (Rybalko et al. 2010) byl zaměřen na schopnost rozlišovat mezi dvěma různými stimuly lišícími se v časových atributech zvuku. Jako podnět byla použita sekvence několika pauz v kontinuálním šumu. Zvířata byla testována ve třech různých testech: v rozlišování dvou sekvencí, které se lišily délkou pauzy (obr. 8C), v rozlišování dvou sekvencí, které se lišily intervalem mezi pauzami tedy rytmem výskytu pauz (obr. 8D) a také v jednodušším úkolu prosté detekce pauzy v šumu (obr. 8E). 20

21 A úkol rozlišení směru frekvenční modulace dominantní hemisféra frekvence frekvence pravá (R) čas vs. čas B rozlišení výšky tónu frekvence = čas vs. čas C rozlišení délky pauzy v šumu čas vs. čas levá ( L) D rozlišení délky mezi pauzami v šumu vs. čas čas levá ( L) E detekce pauzy v šumu čas vs. čas = Obrázek 8. Schematické zobrazení jednotlivých testů s vyznačením dominantní hemisféry pro příslušný úkol (R - pravá, L - levá, znak = označuje, že nebyl významný rozdíl mezi hemisférami). Zpracováno podle Rybalko et al. (2006, 2010). 21

22 Výsledky této studie ukázaly významné funkční rozdíly mezi pravou a levou AC u potkana při zpracování časových vlastností zvuku. Inaktivace levé AC muscimolem téměř úplně znemožnila zvířatům rozlišovat podněty lišící se svými časovými charakteristikami (jak pro různou dobu trvání pauzy, tak i pro různé intervaly mezi pauzami, obr. 8C, D), zatímco vyřazení pravé AC způsobilo jen mírný pokles či vůbec neovlivnilo schopnost zvířete rozlišovat mezi těmito podněty. Výsledky pro obě varianty sérií pauz v šumu byly v podstatě totožné, což ukazuje, že dominance levé AC není specifická pro jeden konkrétní úkol, ale spíše odráží obecnou dominanci levé AC pro zpracování časového vzoru zvukového podnětu. Toto zjištění je v souladu s popisovanou asymetrií mozkové kůry u člověka, která se projevuje v dominanci levé hemisféry pro vnímání řeči a dalších podnětů vyžadujících přesné časové rozlišení (Fitch et al., 1997; Johnsrude et al., 1997; Zatorre & Belin, 2001; Schönwiesner et al., 2005; Möttönen et al., 2006). Důkazy o specializaci levé hemisféry pro zpracování komunikačních zvuků byla nalezena i u mnoha živočišných druhů jako u lachtanů (Böye et al., 2005), psů (Siniscalchi et al., 2008), opic (Heffner & Heffner, 1984; Petersen et al., 1984; Poremba et al., 2004), a také u hlodavců (Ehret, 1987). Naše data z pokusů s rozlišováním doby trvání mezery u potkanů jsou také v souladu s výsledky studie u pískomila (Wetzel et al., 2008), která ukazuje dominanci levé AC při rozlišování pauzy ve frekvenčně modulovaných tónech. Za pozornost stojí i výsledky získané v případě testování schopnosti detekovat mezeru v šumu (obr. 8E). V tomto případě bylo pozorováno jen krátkodobé zvýšení prahu detekce pauzy v šumu (GDT, nejmenší doba trvání pauzy kterou je schopno zvíře detekovat) a to po dobu asi 1-2h po aplikaci muscimolu. Elektrofyziologické sledování neuronové aktivity v mozkové kůře však ukázalo, že funkce sluchové kůry se obnovila až po více než 8 hodinách od aplikace muscimolu a v podobném časovém horizontu se obnovila i schopnost rozlišovat mezi stimuly lišícími se délkou či rytmem pauz v šumu. Toto pozorování je v souladu s dalšími studiemi (Wakita, 1996; Talwar et al., 2001), které ukazují jiný časový interval pro obnovu schopnosti detekce stimulu oproti schopnosti rozlišovat mezi stimuly. Tato zjištění naznačují, že primární AC je nezbytná pro složitější úkoly jako je rozlišení dvou podobných stimulů, zatímco při zpracování relativně jednoduchých úkolů jako třeba pouhá detekce výrazně nadprahových podnětů je rozhodující již aktivita podkorových jader sluchové dráhy. Jak ukázala již studie autorů Syka et al. (2002), i v případě permanentní 22

23 oboustranné léze sluchové kůry vzrostla u potkanů prahová hodnota rozlišování pauzy (GDT) jen nepatrně (z 1,6 ms před lézí na 1,8 ms po lézi). Údaje z obou studií tak ukazují principiální rozdíl mezi pravou a levou sluchovou kůrou: levá sluchová kůra je dominantní při zpracování časových atributů zvuku (a tedy i řeči) zatímco pravá sluchová kůra je rozhodující pro zpracování frekvenčních náležitostí (a tedy i melodie a hudby). Vysvětlením podstaty těchto odlišnosti je podle některých autorů (Poeppel, 2003) to, že na levé straně AC dochází k časové integraci informace v rámci krátkého časového intervalu (20-40 ms) zatímco v pravé AC je informace získávána v mnohem delším ( ms) časovém okně. Wetzel et al. (2008) se domnívají, že pravá a levá AC používají různé strategie při analyzování zvukových podnětů: pravá AC, pomocí globálního (paralelního) zpracování dobře funguje např. pro určení směru FM, zatímco levá AC využívá lokální (sekvenční) zpracování, které je účinné např. v případě rozlišení pauzy ve zvuku, ale neuplatní se pro určení směru frekvenční modulace. Pro úplnost je třeba doplnit, že vzor lateralizace levá vs. pravá hemisféra tak, jak je uveden v této kapitole popisuje typickou situaci, která je u většiny jedinců v populaci, ale ne nezbytně u všech. Podobně jako je preference pravé ruky převažující v populaci nad preferencí levé ruky, je možné u menší části populace (cca u 5%) nalézt buď obrácený vzor lateralizace než ten který je diskutován v této kapitole nebo je lateralizace jen nevýrazná (pro přehled např. Papadatou-Pastou M., 2011). 23

24 3. Kódování komunikačních zvuků ve sluchové dráze morčete Komunikace mezi jedinci je u mnoha živočišných druhů založena na komunikačních zvucích. Typickými příklady komunikačních zvuků mohou být lidská řeč či druhově specifické vokalizace zvířat. Lidská řeč je v této oblasti unikátní, což souvisí jak s produkcí řeči a akustickými vlastnostmi řečového signálu (jsou dány možnostmi lidského hlasového traktu) tak i se zpracováním řečového signálu v CNS a tedy se stavbou a organizací neuronových struktur centrálního nervového systému (včetně mozkové kůry). Vokalizační zvuky zvířat jsou svojí strukturou významně jednodušší a netvoří například formantovou strukturu tak, jak ji známe u lidské řeči. Přesto lze nalézt mnoho společných rysů mezi řečí (obr. 9C) a vokalizačními zvuky zvířat (obr. 9A, B a obr. 10). Z akustického hlediska jsou komunikační zvuky složeny ze tří základních typů zvukových elementů: zvukové segmenty s konstantní frekvencí, zvukové segmenty s frekvenční modulací a šum. Přirozené zvuky mají jen velmi výjimečně charakter čistého tónu, ale mnoho komunikačních zvuků má harmonickou strukturu (tj. jsou složeny z více tónů, jejichž frekvence je vždy násobkem základní frekvence), která není frekvenčně modulována viz např. zvuky na obr. 9 v 1. řádku nebo na obr. 10A). U velké většiny komunikačních zvuků se frekvenční spektrum v čase mění (hovoříme o frekvenční modulaci, obr. 9 - řádky 2-4, obr. 10B, D) a také obsahují segmenty mající charakter šumu (obr. 9 - řádek 5, obr. 10C). Jak ukazují obr. 9 a 10, vyskytují se tyto základní akustické prvky nejen v komunikačních zvucích různých živočišných druhů (obr. 9A, B, 10), ale mohou být vysledovány i u lidské řeči (obr. 9C). Při porovnání více exemplářů stejného komunikačního zvuku je obvyklé, že jednotlivá opakování nejsou zcela identická, ale vykazují určitou míru vzájemných rozdílů. Tato variabilita se vyskytuje jak ve frekvenčním spektru, tak i v časových vlastnostech jako je trvání či rytmus těchto zvuků a lze ji najít i v případě, že všechny exempláře daného komunikační zvuku pocházejí od stejného mluvčího. Větší variabilitu lze očekávat, pokud jsou komunikační zvuky proneseny různými subjekty (mluvčími), kdy systematické rozdíly lze nalézt zejména mezi jedinci různého pohlaví a významný vliv má také věk (Grimsley et al., 2011). Bez ohledu na variabilitu lze příslušný zvuk obvykle velmi dobře klasifikovat a má jasný behaviorální význam či je emitován za daných okolností. Rozdíly mezi jednotlivými vzorky stejného zvuku mohou sloužit např. k identifikaci mluvčího, avšak nemění behaviorální význam těchto zvuků. 24

25 A netopýr kníratý B makak rhesus C lidská řeč frekvence [khz] V frekvence [khz] V frekvence [khz] V frekvence [khz] V frekvence [khz] V čas [ms] čas [ms] čas [ms] Obrázek 9 Příklady podobných akustických komponent v komunikačních zvucích u netopýra kníratého (A, levý sloupec), makaka rhesus (B, prostřední sloupec) a v lidské řeči (C, pravý sloupec). Upraveno podle Kanwal & Rauschecker (2007). Mezidruhové rozdíly v počtu druhů vokalizačních zvuků i ve frekvenci vokalizování jsou velké. Pro výzkum kódování komunikačních zvuků se proto používají zvířecí modely, které se vyznačují bohatostí repertoáru a častým vokalizováním. Mezi takové populární modely patří primáti (Wang, 2000), zpěvní ptáci (Woolley & Moore, 2011) či dále 25

26 diskutované morče, ale také kočka (Gehr et al., 2000) či myš (Portfors, 2007). Zvláštním modelem jsou netopýři (Kanwall et al., 2004), jejichž vokalizační zvuky jsou důležité nejen pro komunikaci, ale i pro orientaci v prostoru (echolokace). V další části je pozornost věnována hlavně vokalizačním zvukům u morčete, jejichž kódování jsme systematicky studovali na úrovni podkorových jader (colliculus inferior, corpus geniculatum mediale) a ve sluchové kůře - viz přiložené práce Šuta et al. (2003, 2007, 2013). 20 A Purr 20 B Whistle f [ khz ] 12 8 f [ khz ] ms ms 20 C Chutter D Chirp 16 f [ khz ] ms Obrázek 10. Typické vokalizační zvuky morčat použité v diskutovaných studiích Šuta et al. (2003, 2007, 2013). Pro každý zvuk je ukázán spektrogram (horní panel) ukazující frekvenční spektrum zvuku (osa y) v čase (osa x) a pod ním je vždy doplněn časový průběh. 26

27 A frekvence [ k Hz] B AN C CN D CI CF [ k Hz] čas [] s Obrázek 11. Srovnání odpovědí neuronů na řečový signál (horní panel A ukazuje spektrogram a oscilogram použitého řečového signálu). Dolní panely ukazují aktivitu vláken sluchového nervu (B), neuronů kochleárního jádra (C) a colliculus inferior (D) u kočky dle jejich charakteristické frekvence. Zpracováno podle Delgutte et al. (1998) Vokalizační zvuky u morčete Morče má poměrně bohatý repertoár komunikační zvuků uvádí se kolem 11 různých zvuků (Berryman, 1976 Harper, 1976). Jednotlivé zvuky se výrazně liší svými frekvenčními a časovými vlastnostmi. Pro studium kódování komunikačních zvuků jsme používali čtyři běžné vokalizační zvuky morčat (Syka et al., 1997), jejichž spektrogramy a časové průběhy (oscilogramy) jsou zobrazeny na obr. 10. Zvuk označovaný jako purr (předení, obr. 10A) se skládá z řady pravidelných nízkofrekvenčních impulsů se základní frekvencí okolo 300 Hz a s několika vyššími harmonickými frekvencemi. Trvání jednotlivých pulsů je poměrně krátké, okolo 30 ms (Syka et al. 1997; Grimsley et al. 2011). Tyto jednotlivé impulsy jsou takřka identické jak z hlediska 27

28 trvání, tak z hlediska frekvenčního spektra, a mohou se částečně lišit svou intenzitou. Jednotlivé pulsy se vyskytují v řadě s opakovací frekvencí asi 13 pulzů za sekundu s celkovou dobou trvání i výrazně delší než 1 sekunda. Tento zvuk je vydáván zvířaty při páření a sociální interakci mezi zvířaty. Jedním z nejběžnějších zvuků je whistle (pískání, obr. 10B). Je to poměrně dlouhý zvuk s trváním několik set milisekund (zvuk na obr. 10B má trvání asi 450 ms), který má harmonickou strukturu se základní frekvencí okolo 1 khz. Zvuk bývá vzestupně frekvenčně i amplitudově modulovaný a z hlediska frekvenčního spektra obsahuje široké spektrum frekvencí. Tento zvuk lze běžně zaznamenat při příchodu chovatele a bývá velmi hlasitý. Tabulka 1. Základní charakteristika 4 typů použitých vokalizací morčete Počet segmentů Délka segmentů Frekvenční spektrum Purr > 1 Krátký (impuls) Nízkofrekvenční Whistle 1 Dlouhý Širokofrekvenční Chutter > 1 Dlouhý Nízkofrekvenční Chirp 1 Krátký (impuls) Širokofrekvenční Chutter (obr. 10C) je řada několika nízkofrekvenčních nepravidelných a zašuměných pulsů. Tento zvuk je emitován zvířaty v případě běžného zkoumání prostředí v relaxovaném stavu a může přecházet v produkci zvuku whistle. Chirp (pípnutí, písknutí, obr. 10D) je krátký izolovaný akustický impuls s délkou trvání ms. Jeho frekvenční spektrum zasahuje do vyšších frekvencí a má jasnou harmonickou strukturu. Produkce tohoto zvuku bývá chovateli někdy označována jako zpěv, což je založeno na podobnosti s ptačím zpěvem (pro lidského posluchače). Tyto čtyři zvuky byly zvoleny vzhledem k jejich výrazně odlišným akustickým vlastnostem z hlediska trvání, počtu opakujících se segmentů ve zvuku i frekvenčního spektra jak je shrnuto v Tabulce 1. 28

29 A reprezentace časové obálky purr chutter whistle chirp korelační koeficient B CGM AC CI C reprezentace frekvenčního spektra purr chutter whistle začátek konec chirp korelační koeficient Obrázek 12. Reprezentace obálky zvuku (A) a frekvenčního spektra (C) populací neuronů v CI (bílé symboly), CGM (modré symboly) a AC (červené symboly). Shoda neuronové odpovědi a zvuku je charakterizována korelací mezi obálkou zvuku a průměrným PSTH (A) a korelací mezi frekvenčním spektrem zvuku a profilem odpovědí neuronů dle jejich charakteristické frekvence (CF). Hvězdičky označují zvuky, kde byl rozdíl mezi jádry sluchové dráhy statisticky významný: modrá hvězdička označuje významný rozdíl v AC a CGM oproti CI; červena hvězdička označuje významný rozdíl v AC oproti CGM a CI. V části B jsou schematicky zobrazeny spoje v aferentní sluchové dráze. Upraveno z Šuta et al. (2013). 29

30 3.2. Reprezentace vokalizační zvuků v podkorových jádrech (CI, CGM) a ve sluchové kůře (AC) u morčete Záznamy neuronové aktivity v CI, CGM i AC (Šuta et al., 2003, 2007, 2013) ukázaly, že jednotlivé neurony v naprosté většině reagují na více než jeden vokalizační signál a to ve všech těchto strukturách. To ukazuje, že zpracování vokalizačních zvuků není založeno na 20 A AC Purr 20 B AC Whistle CF [ khz ] 12 8 CF [ khz ] 12 8 spikes/s CI 20 CI CF [ khz ] 12 8 CF [ khz ] ms ms f [ khz ] f [ khz ] ms ms Obrázek 13 Kódování zvuků populací neuronů v CI a AC pro vokalizační zvuky purr (A) a whistle (B). Dolní panely ukazují spektrogram a obálku zvuků. Prostřední a horní panely ukazují aktivitu neuronů v CI a AC, kdy černá barva ukazují aktivitu neuronů s danou CF (osa X) v příslušném čase (osa X). Upraveno podle Šuta et al. (2003, 2013). 30

31 existenci vysoce specifických neuronů specializovaných na jediný konkrétní zvuk. Místo toho jsou i v těchto vyšších jádrech sluchového systému komunikační zvuky reprezentovány aktivitou celé populace neuronů, v rámci které se analyzuje spektrální a časový vzor zvuku (Wang et al, 1995; Wang, 2000). Je známo, že na úrovni sluchového nervu jsou spektrální, časové i intenzitní vlastnosti zvuku velice přesně reprezentovány aktivitou jednotlivých vláken (Young, 2008), takže je možné velice přesně zpětně rekonstruovat zvukový podnět z aktivity vláken sluchového nervu (Delgutte et al., 1998). Jak je ilustrováno na obr. 11, dochází postupně v dalších strukturách sluchové dráhy ke změně charakteru odpovědí neuronů. Aktivita vláken sluchového nervu (obr. 11B) věrně kopíruje obálku (tj. okamžitou intenzitu) podnětu (obr. 11A) a charakter aktivity neuronů v kochleárním jádře (obr. 11C) zůstává velmi podobný sluchovému nervu, i když jsou patrné větší rozdíly mezi neurony lišícími se svojí charakteristickou frekvencí. Výrazný rozdíl je však patrný v aktivitě neuronů v CI (obr. 11D), kde je aktivita neuronů významně úspornější a vymizely delší časové úseky s kontinuální vysokou aktivitou. V průběhu zpracování zvuku v jednotlivých jádrech sluchového systému dochází k postupnému zpracování informace o akustických vlastnostech zvukového podnětu, kdy se zesilují podstatné údaje a naopak potlačují nezajímavé a redundantní aspekty. Výsledkem tohoto procesu je, že neuronová aktivita již není přesnou kopií akustického vzoru zvukového podnětu, ale některé atributy se posilují, zatímco jiné jsou zeslabeny. Toto bývá patrné především na postupném potlačování neuronové reprezentace jak velmi rychlých změn ve zvuku, tak i velmi pomalých změn či stálých komponent ve zvuku (Joris et al., 2004), které mají malou informační hodnotu. Naopak dochází k relativnímu zesilování reprezentace transientů s relevantní modulační frekvencí, které jsou důležité pro zpracování významných zvuků v prostředí např. pro identifikaci komunikačních zvuků (řeči) a jejích komponent. Tento princip postupné transformace odpovědí je patrný ve studovaných odpovědích neuronů v CI, CGM a AC u morčete a to jak v případě kódování časového průběhu obálky zvuků, tak v případě reprezentace frekvenčního spektra zvuků. Shoda časového vzoru odpovědi neuronů (PSTH) a obálky zvuku kvantifikovaná pomocí korelačního koeficientu je souhrnně zobrazena pro jednotlivé zvuky v CI, CGM a AC na obr. 12A. V CI průběh neuronové aktivity poměrně dobře odpovídal obálce zvuku a hodnoty korelace se v případě průměrného PSTH pohybovaly nad 0,7 u všech vokalizačních zvuků. Pokud porovnáme situaci v CI s vyššími jádry (obr. 12A), je vidět, že postupně dochází k zeslabování korelace 31

32 mezi obálkou zvuku a časovým vzorem neuronové aktivity (PSTH) pro všechny zvuky s výjimkou zvuku chirp, což je krátký impuls, který vyvolává prakticky identickou odpověď ve všech sledovaných strukturách (obr. 14B ukazuje srovnání tvaru odpovědi na chirp v CI a CGM). V případě zvuků whistle a chutter (obr.12a) došlo k výrazné transformaci odpovědí neuronů, která se projevila snížením korelačního koeficientu u neuronové odpovědi v thalamu (CGM) a v případě zvuku purr pak ve sluchové kůře (AC). Toto snížení korelace A chutter CGM CI B chirp ms CGM CI ms Obrázek 14. Porovnání tvaru odpovědí neuronů v CI a CGM. Pro části zvuků chutter (A) a chirp (B) s trváním 200 ms je ukázána průměrná odpověď neuronů (vpravo) v CGM (tlustá čára) a CI (tenká čára). Vodorovné čáry charakterizují dobu trvání odpovědi měřenou na úrovni 50% maximální odpovědi. Zpracováno podle Šuta et al. (2003, 2007, 2008). odráží dva různé aspekty. Prvním aspektem je výrazná preference transientů v obálce zvuku, kdy u delších zvuků jako je whistle a chutter neurony v CGM a AC typicky reagují hlavně na začátek zvuku a mnohem slaběji na zbytek zvuku. Tento aspekt je ukázán na obr. 14A, na příkladu odpovědi na druhý segment zvuku chutter v CI byla neuronová odpověď po celou dobu trvání zvuku (tonic response), zatímco v CGM bylo trvání neuronové odpovědi výrazně kratší a bylo vázáno na začátek zvuku (phasic response). Pro purr, tj. zvuk s poměrně rychlou opakovací frekvencí jednotlivých krátkých segmentů, je snížení korelačního koeficientu v AC oproti CGM a CI spojeno s druhým aspektem, a to že u neuronů dochází k adaptaci na rychle se opakující podněty a tak dochází k postupnému zeslabování odpovědi neuronu na rychle se opakující segmenty ve zvuku purr. Tento vliv je patrný na obr. 13A, kde v čase ms 32

33 jsou v populační odpovědi neuronů v CI patrné pravidelné odpovědi na všechny segmenty zvuku, zatímco v AC jsou odpovědi na některé segmenty chybějící či velmi slabé. Pro posouzení reprezentace frekvenčního spektra zvuků v rámci tonotopické organizace sluchových jader byl vytvořen frekvenční profil neuronové aktivity v každém jednotlivém jádře, kdy neurony byly seřazeny podle jejich CF, a byla vypočítána velikost neuronální odpovědi pro každé frekvenční pásmo. Sestavený frekvenční profil neuronové aktivity pak byl vždy korelován s frekvenčním spektrem každého zvuku. Toto srovnání ukázalo, že z profilu neuronové aktivity lze identifikovat dominantní frekvence každého zvuku, ale současně není možné přesně identifikovat relativní intenzitu jednotlivých harmonických frekvencí obsažených ve frekvenčním spektru zvuku. Jak je ukázáno souhrnně pro všechny zvuky na obr. 12C, přesnost shody mezi frekvenčním spektrem zvuku a frekvenčním profilem neuronové aktivity buď zůstávala na úrovni situace v CI (pro širokospektrální zvuky whistle a chirp) nebo se snižovala směrem ke sluchové kůře (v případě nízkofrekvenčních zvuků purr a chutter). Pokles shody mezi frekvenčním spektrem zvuku a frekvenčním profilem neuronové aktivity je patrný na obr. 13A u zvuku purr, kdy v AC je mnohem výraznější odpověď u neuronů s vyšší CF (nad 7 khz) než je tomu v CI. Vzhledem k tomu, že tyto vyšší frekvence nejsou v nízkofrekvenčním zvuku purr zastoupeny, jsou hodnoty korelačního koeficientu mezi frekvenčním profilem neuronové aktivity a frekvenčním spektrem zvuku v AC a CGM významně nižší než v CI. Naopak pro širokospektrý zvuk whistle (obr. 13B) byl frekvenční profil populační odpovědi neuronů podobný v CI, CGM i AC. Analýzu zpracování vokalizačních zvuků u morčete lze shrnout do konstatování, že zvuky jsou kódovány ve sluchovém systému morčete populací neuronů, jejichž aktivita odráží základní frekvenční a časové vlastnosti zvukového podnětu. Ve vyšších jádrech dochází k postupné transformaci neuronové aktivity, kdy tato aktivita již není přesnou kopií akustického vzoru zvukového podnětu, ale jsou akcentovány transienty důležité pro rozpoznávání relevantních atributů komunikačních zvuků. Studované typy vokalizací u morčete byly výrazně odlišné ve svých časových a frekvenčních parametrech a také transformace neuronových odpovědí mezi CI, CGM a AC se významně lišila pro jednotlivé zvuky, kdy např. odpověď na chirp zůstávala konstantní, zatímco u dalších zvuků docházelo k výrazným změnám, jak je shrnuto na obr. 12 a uvedeno výše. 33

34 Ilustrované principy kódování komunikačních zvuků ve vyšších centrech sluchového systému u morčete je možné srovnávat i se situací u člověka na příkladu studie Pasley et al. (2012). Autoři studie se pokoušeli rekonstruovat řečový signál (slova) z vícekanálových záznamů aktivity snímané z povrchu mozkové kůry (ECoG). S použitím nelineárního modelu byli schopni celkem úspěšně rekonstruovat spektrogram řečového signálu. Tato rekonstrukce nebyla dokonalá, ale vysoké procento úspěšnosti (89%) při rozpoznání podnětu (ze souboru 47 slov) ukazuje, že korová aktivita zachovává informaci o atributech podnětu v rozsahu důležitém pro porozumění řeči. Tato studie tak dokazuje, že i na úrovni mozkové kůry se kódování komplexních zvuků opírá o vybrané časové a frekvenční aspekty zvukových podnětů, které jsou zakódovány populací neuronů. Pokusy o kvantitativní analýzu kódování a přenosu informace ve sluchovém systému s použitím teorie informace pak ukazují, že kódování ve sluchovém systému je velmi efektivní (Smith & Lewicki, 2006) a může se blížit pro přirozené zvuky teoretickému maximu, což jen podtrhuje velmi efektivní činnost obvodů centrální sluchové dráhy při kódování přirozených zvuků. 34

35 4. Věkem podmíněné změny ve zpracování časových atributů zvuku u potkana Významnými změnami prochází sluchový systém během stárnutí. Zhoršení sluchové funkce spojené se stárnutím, presbyakuze, se stává jedním z nejčastějších zdravotních postižení u starších osob. Vývoj presbyakuze je určen kombinací genetických a environmentálních faktorů a navzdory intenzivnímu výzkumu nejsou změny sluchu spojené se stárnutím ještě dostatečně objasněny, což vzhledem k dlouhodobému stárnutí populace a s tím spojené narůstající závažnosti tohoto problému zvyšuje motivaci pro studium v této oblasti. A člověk (muži) frekvence [khz] B potkan (Long Evans) sluchový práh [db SP L] sluchový práh [db H L] věk (roky) starí (věk 30 měsíců) frekvence [khz] mlad í (věk 3 měsíce) Obrázek 15. Změny sluchových prahů s věkem u mužů (A, upraveno z Jilek et al., 2014) a potkana (B, kmen Long Evans, upraveno z Šuta et al., 2011). V panelu A jsou prahy vyneseny v db HL, které jsou obvyklé v audiometrii a přímo ukazují sluchovou ztrátu. V panelu B jsou pro potkana prahy vyneseny v db SPL a sluchová ztráta je patrná z posunu prahových křivek. 35